Python中的Scraper给出了“拒绝访问”

Question

我正在尝试用Python编写一个刮刀来从页面获取一些信息。 与此页面上显示的优惠标题一样：
https://www.justdial.com/Panipat/Saree-Retailers/nct-10420585

到现在为止我使用这段代码：

import bs4
import requests

def extract_source(url):
    source=requests.get(url).text
    return source

def extract_data(source):
    soup=bs4.BeautifulSoup(source)
    names=soup.findAll('title')
    for i in names:
        print i

extract_data(extract_source('https://www.justdial.com/Panipat/Saree-Retailers/nct-10420585'))

但是当我执行这段代码时，它给了我一个错误：

<titlee> Access Denied</titlee>

我该怎么做才能解决这个问题？

Answer 1

正如评论中提到的，您需要指定允许的用户代理并将其作为headers传递：

def extract_source(url):
    headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:50.0) Gecko/20100101 Firefox/50.0'}
    source=requests.get(url, headers=headers).text
    return source

Answer 2

def extract_source(url):
    headers = {"User-Agent":"Mozilla/5.0"}
    source=requests.get(url, headers=headers).text
    return source

出：

<title>Saree Retailers in Panipat - Best Deals online - Justdial</title>

将User-Agent添加到您的请求中，某些站点不响应没有User-Agent的请求

Answer 3

试试这个：

import bs4
import requests

def extract_source(url):
     agent = {"User-Agent":"Mozilla/5.0"}
     source=requests.get(url, headers=agent).text
     return source

def extract_data(source):
     soup=bs4.BeautifulSoup(source, 'lxml')
     names=soup.findAll('title')
     for i in names:
     print i

extract_data(extract_source('https://www.justdial.com/Panipat/Saree-Retailers/nct-10420585'))

我添加了'lxml'以避免解析错误。